基于垂直领域知识图谱的问答系统研究与应用.pdf

重庆大学硕士学位论文 中文摘要 摘 要 伴随着互联网和人工智能的飞速发展，现今已经进入“知识互联”的时代， 对于知识图谱的关注逐渐升温。知识图谱根据其包含的知识范畴被细分为通用领 域知识图谱和垂直领域知识图谱。本文重点聚焦于垂直领域知识图谱构建与答案 排序研究，旨在将行业知识引入问答系统，改善问答系统的用户体验，为实现并 优化基于垂直领域知识图谱的问答系统提供思路。 本文的主要研究内容包括三个方面： ① 以“建筑安全”为例，研究垂直领域知识图谱构建方法。针对目前在建筑 领域还没有一个开放的中文安全知识图谱，而目前使用广泛的都是百科类的通用 知识图谱，本文提出一个构建建筑安全领域知识图谱的框架。首先，通过爬虫获 取建筑领域专业术语。然后，采用CNN 和RNN 模型区分出建筑安全领域文本， 使用Bi-LSTM + CRF 模型完成常规实体抽取，通过人工干预结合近义词扩展的方 式完成建筑专业实体的抽取。紧接着使用依存句法分析完成关系抽取。最后，将 拼接好的三元组数据导入开源图数据库 Neo4j 中，完成建筑安全领域知识图谱的 构建工作，可将其作为知识库模块应用于问答系统中。 ② 针对实体链接和关系链接独立处理会丢失信息且效率不高的问题，提出基 于连接密度的实体关系联合链接算法。该算法引入连接密度的概念，在已有实体 关系候选项的条件下，计算出每个候选项成为最优候选项的概率，从而解决实体 关系链接问题。 ③ 为了优化答案排序效果，改善用户体验，本文提出引入主观评价的答案排 序学习算法。首先，通过构造答案对提供给众包人员标注，将人类用户的主观判 断引入答案排序学习算法中，然后，使用词向量进行答案表示，将排序学习算法 转化为一个二分类问题，即判断两个答案的质量优劣，最后，依据质量得分完成 答案排序。该算法对比了经典的pairwise 排序学习算法RankNet ，经实验证明引入 人类的主观评价提升了排序的效果。 关键词：知识图谱；实体链接；关系链接；排序学习；问答系统 I 重庆大学硕士学位论文 英文摘要 Abstract With the rapid development of the Internet and artificial intelligence, it has entered the era of knowledge interconnection, and the attention of the knowledge graph is gradually heating up. The knowledge graph is subdivided into a general domain knowledge graph and a vertical domain knowledge graph according to the knowledge categories it contains. This thesis focuses on the vertical domain knowledge graph construction and answer ranking research, aiming to introduce industry knowledge into the question and answer system, improve the user experience of the question and answer system, and provide ideas for implementing and optimizing the question and an